mirror of
https://github.com/alam00000/bentopdf.git
synced 2026-11-07 16:41:00 +01:00
48 lines
2.2 KiB
Markdown
48 lines
2.2 KiB
Markdown
---
|
|
title: Prepara PDF per IA
|
|
description: Estrai il contenuto dei PDF in JSON strutturato, ottimizzato per LLM e pipeline di IA come LlamaIndex. Supporta l'elaborazione in batch.
|
|
---
|
|
|
|
# Prepara PDF per IA
|
|
|
|
Estrae il contenuto dei file PDF e lo struttura in JSON ottimizzato per l'importazione in modelli linguistici di grandi dimensioni (LLM) e framework di IA come LlamaIndex. Il contenuto di ogni pagina viene estratto e organizzato in un formato strutturato, pronto per pipeline RAG, chatbot o sistemi di ricerca semantica.
|
|
|
|
## Come funziona
|
|
|
|
1. Carica uno o più PDF facendo clic sull'area di rilascio o trascinandovi i file.
|
|
2. Fai clic su **Estrai** per avviare l'elaborazione.
|
|
3. Un singolo file viene scaricato come `filename_llm.json`. Più file producono un archivio `pdf-for-ai.zip`.
|
|
|
|
Lo strumento usa l'integrazione LlamaIndex di PyMuPDF per estrarre il contenuto a livello di pagina insieme ai metadati, producendo un output che può essere caricato direttamente nei framework di IA.
|
|
|
|
## Opzioni
|
|
|
|
Questo strumento non ha opzioni configurabili. Tutte le pagine vengono estratte con testo completo e metadati.
|
|
|
|
## Formato di output
|
|
|
|
- **File singolo**: `filename_llm.json`
|
|
- **File multipli**: `pdf-for-ai.zip` con un `_llm.json` per ogni PDF di input.
|
|
|
|
L'output JSON segue lo schema dei documenti di LlamaIndex, con il testo di ogni pagina e i campi dei metadati.
|
|
|
|
## Casi d'uso
|
|
|
|
- Preparare documenti PDF per pipeline di retrieval-augmented generation (RAG).
|
|
- Creare una base di conoscenza consultabile da archivi PDF per un chatbot di IA.
|
|
- Fornire report PDF a flussi di analisi basati su LLM.
|
|
- Pre-elaborare articoli scientifici per sistemi di ricerca semantica e di domande e risposte.
|
|
- Creare dati di addestramento strutturati da raccolte di documenti PDF.
|
|
|
|
## Suggerimenti
|
|
|
|
- Per l'estrazione di solo testo, senza formattazione specifica per l'IA, usa [PDF in Testo](./pdf-to-text).
|
|
- Per un output Markdown che conservi titoli e struttura, usa [PDF in Markdown](./pdf-to-markdown).
|
|
- I PDF scansionati producono un output vuoto o minimo. Passali prima dall'OCR per aggiungere un livello di testo prima dell'estrazione.
|
|
|
|
## Strumenti correlati
|
|
|
|
- [PDF in Testo](./pdf-to-text)
|
|
- [PDF in Markdown](./pdf-to-markdown)
|
|
- [PDF in JSON](./pdf-to-json)
|